Year: 2026
Type: dissertation
Abstract: Georrecursos, Faculdade de Engenharia da Universidade do Porto, Porto, Portugal, 2026.As opiniões e informações incluídas neste documento representam unicamente o ponto de vista do respetivo Autor, não podendo o Editor aceitar qualquer responsabilidade legal ou outra em relação a erros ou omissões que possam existir.Este documento foi produzido a partir de versão eletrónica fornecida pelo respetivo Autor.Engineering Prompting para Gestão de Informação IoT em modelos BIM Aos meus, A educação é a arma mais poderosa que se pode usar para mudar o mundo.Nelson Mandela Engineering Prompting para Gestão de Informação IoT em modelos BIM Engineering Prompting para Gestão de Informação IoT em modelos BIM i AGRADECIMENTOS Escrever estas palavras é a forma mais sincera que encontro para expressar o meu profundo agradecimento por tudo o que têm representado ao longo dos anos.Sei que nenhuma frase fará justiça à gratidão que sinto, mas espero que consigam perceber o quanto a vossa presença tem sido essencial na minha vida.Obrigado por me acolherem tal como sou, com virtudes e imperfeições, e por acreditarem em mim mesmo nos momentos em que duvidei das minhas próprias capacidades.Quero, antes de tudo, agradecer aos meus pais.Desde os primeiros passos até aos momentos mais exigentes desta jornada, estiveram sempre ao meu lado, oferecendo amor, apoio e orientação.Sou profundamente grato por cada noite de preocupação, por cada conselho partilhado e por todas as vezes em que me incentivaram a seguir os meus objetivos.Foram os meus primeiros professores e os que mais marcaram o meu percurso, ensinando-me o valor da honestidade, do esforço e da empatia.À minha irmã, a minha melhor amiga desde sempre, agradeço por tudo o que aprendi ao teu lado.Foi contigo que descobri o verdadeiro significado de partilhar, de apoiar e de crescer em conjunto.A tua presença constante, a tua forma de ver o mundo e a tua capacidade de me desafiar a ser melhor moldaram profundamente quem sou hoje.A toda a minha família para além do núcleo mais próximo, deixo também um agradecimento profundo.Cada palavra de incentivo, cada gesto de apoio e cada conselho partilhado ao longo dos anos contribuíram para o meu crescimento pessoal e académico.Mesmo nos momentos em que a distância ou o tempo tornavam tudo mais difícil, senti sempre a vossa presença e o vosso carinho.Aos meus amigos de Espinho, de Esmoriz e da faculdade, agradeço por cada riso partilhado, por todas as saídas que se transformaram em histórias e por estarem sempre presentes nos momentos que mais importaram.Crescemos lado a lado, aprendemos uns com os outros e construímos laços que levo comigo para além desta etapa.Ao meu orientador, expresso o meu sincero agradecimento pela orientação e pelo conhecimento generosamente partilhado ao longo deste trabalho.A sua disponibilidade, sentido crítico e capacidade de guiar cada etapa do processo foram fundamentais para o desenvolvimento desta dissertação e para o meu crescimento académico.RESUMO A análise do conforto térmico em edifícios é um processo tecnicamente exigente que, na prática atual, implica a extração manual de informação de modelos BIM, o tratamento de séries temporais de sensores IoT e a verificação de conformidade com normas como a ISO 7730, EN 16798 e ASHRAE 55.Este procedimento é moroso, propenso a erros e dependente de competências especializadas, o que limita a sua aplicação a avaliações pontuais e dificulta a monitorização contínua do desempenho térmico.Esta dissertação propõe e valida o framework VIVIENDA, um sistema de Digital Twin que integra modelos IFC, dados IoT e inteligência artificial através do Model Context Protocol (MCP).O objetivo é automatizar todo o ciclo de análise de conforto térmico, desde a extração de dados BIM até à geração de recomendações técnicas, permitindo que o processo seja realizado por interação em linguagem natural.A principal contribuição consiste numa taxonomia de 95 prompts, organizada em seis categorias funcionais (Informativo, Comparativo, Diagnóstico, Prescritivo, Operacional e Temporal) e fundamentada em dez técnicas de Prompt Engineering.Esta taxonomia demonstra empiricamente a aplicabilidade destas técnicas ao domínio dos Digital Twins BIM, ainda pouco explorado na literatura.O sistema assenta numa arquitetura de três camadas: uma base de dados SQLite para séries temporais; um servidor Flask com 26 endpoints REST; e um servidor MCP com 25 ferramentas determinísticas para verificação normativa, análise temporal e extração de materiais BIM.Esta abordagem, baseada em princípios RAG, garante que o LLM fundamenta o seu raciocínio em dados reais, reduzindo o risco de alucinações.A validação experimental utilizou 387 346 registos reais de sensores IoT recolhidos ao longo de 368 dias em apartamentos de habitação social, comparando frações reabilitadas e não reabilitadas.Foram executados doze prompts representativos das seis categorias, sendo os resultados comparados com ground truth obtido por queries SQL diretas.
Language: Portuguese
Subfield: Building and Construction
Field: Engineering
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7157520790